SoWaF：权重与特征图混洗——一种针对卷积神经网络（CNN）的新型硬件内禀攻击（HIA）
密码学与安全
2021-07-14 v2 机器学习
摘要
将卷积神经网络（CNN）的推理阶段部署到资源受限的嵌入式系统（例如低端FPGA）中的安全性是一个日益增长的研究领域。通过使用安全实践，第三方FPGA设计者可以在不知晓初始和最终分类层的情况下被提供设计。在本工作中，我们证明了在这种“安全”设计中，硬件内禀攻击（HIA）仍然可能发生。所提出的HIA被插入到CNN各层的数学运算内部，其在所有后续CNN层中传播错误运算，导致误分类。该攻击是非周期且完全随机的，因此难以检测。设计并评估了针对每个CNN层的五种不同攻击场景，基于相较于原始实现的开销资源和触发率进行比较。我们对两种CNN架构的结果表明，在所有攻击场景中，额外延迟可忽略不计（<0.61%），DSP、LUT、FF的增量也小于2.36%。三种攻击场景不需要任何额外BRAM资源，而在两种场景中BRAM增加，这与FF和LUT的相应减少相补偿。据作者所知，本工作是首个在攻击者对完整CNN不知情的情况下解决硬件内禀CNN攻击的工作。
引用
@article{arxiv.2103.09327,
title = {SoWaF: Shuffling of Weights and Feature Maps: A Novel Hardware Intrinsic Attack (HIA) on Convolutional Neural Network (CNN)},
author = {Tolulope A. Odetola and Syed Rafay Hasan},
journal= {arXiv preprint arXiv:2103.09327},
year = {2021}
}
备注
5 pages, 6 figures, 2 tables, ISCAS 2021 Conference